[发明专利]一种用户行为预测方法及装置，电子设备

权利要求书

1.一种用户行为预测方法，其特征在于，包括：

根据目标用户在t时刻以前的行为数据，构建所述目标用户的t时刻行为转移概率矩阵，所述行为转移概率矩阵的行和列是所述目标用户已经发生的行为，所述行为转移概率矩阵表示该行对应的行为和该列对应的行为之间的转移概率；

基于所述t时刻行为转移概率矩阵和预设行为影响因素，将从所述预设行为影响因素中提取的特征、所述t时刻行为转移概率矩阵，构建成一个多维张量，并将所述多维张量作为有记忆性的神经网络模型的输入参数，迭代训练所述目标用户的行为预估模型；

通过所述行为预估模型，基于所述t时刻行为转移概率矩阵、所述预设行为影响因素和前一时刻所述目标用户行为预测结果，预测所述目标用户的下一行为；

其中，所述t时刻为所述目标用户行为发生的时刻；所述前一时刻所述目标用户行为预测结果为迭代训练之前所述行为预估模型对所述目标用户在t时刻的行为的预测结果。

2.根据权利要求1所述的方法，其特征在于，所述根据目标用户在t时刻以前的行为数据，构建所述目标用户的t时刻行为转移概率矩阵的步骤之后，还包括：

根据所述目标用户的相似用户在t时刻以前的行为数据，构建所述相似用户的t时刻行为转移概率矩阵；

通过所述相似用户的t时刻行为转移概率矩阵，扩展所述目标用户的t时刻行为转移概率矩阵。

3.根据权利要求2所述的方法，其特征在于，所述t时刻行为转移概率矩阵的第i行第j列的元素为：在t时刻以前，第i行对应的已发生行为与第j列对应的所述已发生行为之间的转移概率；

所述通过所述相似用户的t时刻行为转移概率矩阵，扩展所述目标用户的t时刻行为转移概率矩阵的步骤，包括：

通过所述相似用户的t时刻行为转移概率矩阵中的扩展行为、所述扩展行为对应的转移概率，扩展所述目标用户的t时刻行为转移概率矩阵；

其中，所述扩展行为是所述目标用户在t时刻以前未发生的行为。

4.根据权利要求2所述的方法，其特征在于，所述根据所述目标用户的相似用户在t时刻以前的行为数据，构建所述相似用户的t时刻行为转移概率矩阵的步骤之前，还包括：

根据行为特征相似度，确定所述目标用户的相似用户。

5.根据权利要求4所述的方法，其特征在于，所述根据行为特征相似度，确定所述目标用户的相似用户的步骤，包括：

对于每个用户，将t时刻以前各自的已发生行为的发生次数按照行为发生的时间顺序排列，作为自身的行为特征；

通过计算每个用户的行为特征之间的相似度，确定与所述目标用户相似度最高的用户为所述目标用户的相似用户。

6.根据权利要求1至5任一项所述的方法，其特征在于，根据用户在t时刻以前的行为数据，构建所述用户的t时刻行为转移概率矩阵的步骤，包括：

根据用户在t时刻以前的行为数据，确定所述用户在t时刻以前的所有已发生行为；

根据所述已发生行为的发生时间顺序，构建所述用户的t时刻行为转移概率矩阵。

7.根据权利要求1至5任一项所述的方法，其特征在于，所述基于所述t时刻行为转移概率矩阵和预设行为影响因素，迭代训练所述目标用户的行为预估模型的步骤，包括：

基于所述t时刻行为转移概率矩阵和预设行为影响因素，构建所述目标用户的特征张量；

将所述特征张量作为长短记忆型递归神经网络的输入，迭代训练所述目标用户的行为预估模型。

8.根据权利要求1至5任一项所述的方法，其特征在于，所述预设行为影响因素包括以下任意一项或多项：时间因素、地点因素、性别因素。